这篇文章是参加一个分享数据科学活动后的总结和感悟，感谢data scientist – Hu Pili的总结和分享。

活动简介：本次的Symbols & Keys，组织者Mart邀请到了在Facebook London office工作的Hong Chun Leung，前来分享「当一个data scientist是种什么体验」。Hong Chun在去Facebook前曾在UCL攻读Machine Learning专业，也在King（制作Candy Crush的公司）工作过，在数据科学方面有不少实战经验。

Hong Chun Leung 对于问题 “What do data scientists do?” 直接给出答案：“Drive impact, strategy through data.” 并对这个答案解释如下：“A data scientist should know ‘How users are using your product?’, which means a data scientist should 1) understand the product; 2) do experimentation (very very important); 3) build data structure”。

对于这个问题，作为data scientist的Hu Pili同学有很深刻的见解：“总得来说，数据科学家并不是「科学家」，data scient-ist直接说就是「people who work on data science」、「people who use data science」。正如「journalist」是记者，而不是「新闻家」、「日记家」一样。去除这层神秘色彩，再来看data scientist的日常工作，可以说更接近PM（产品经理），不过是更精于数据分析技巧的PM。不管是in-house还是consultancy，data scientist的一个重要职责是沟通。从需求确定，到结果呈现，无一不是沟通能力的考验。而抛开写代码还是写文字这种技术细节，data scientist和journalist的工作性质有一点非常类似：学习并利用不同领域的知识。说到底，data是工具，价值永远存在于对领域知识和业务逻辑的把握中。”－－看到这里Tansy不禁称赞叫好，因为虽然有浅层意义上的理解，但由于缺乏行业经验无法一语中的的道明重点。接下来是刚入行小白Tansy的理解：

“我觉得一个数据科学家，更加像一个用户研究者，或者更像一个用户体验部门，再或者是用不同的方法在做和用户体验部门一样的事情。用户体验部门可能更多的面向客户的心理层面，很多事情亲力亲为，在开发产品的整个流程中对用户做调查，设计调研，与客户面对面沟通，进行各种专业和业余的实验来检验客户使用产品的方式。而数据科学家可能更多的从后台数据中应用machine learning和data technology部分来分析数据，发现pattern，从而发现用户使用产品的习惯，来制定下一步的发展和策略。”

至于具体的技术需求，必然是每次这类meetup的Q/A环节必备问题。Hong Chun做了简单的总结 —— (非技术宅请绕过）

1. 用什么语言？SQL或HQL最多，看后端对接什么数据库了。
2. 用什么统计工具？T-test和Bootstraping用得最多，关键在于找到合适的假设（Hypothesis）。
3. 机器学习方法呢？Random Forest，简单好用（在Kaggle上非常流行，虽然不总是最好的算法，但大多时候能拿到不错的结果）。

Talk的第二部分我很喜欢，围绕着最近正使我欲罢不能的游戏Candy Crush来讲Data Science @ King. 原来每次打开Candy Crush中文版“糖果传奇”都出现的“腾讯游戏”四个字的意思是：腾讯只是糖果传奇的中国代理商，真正开发的大佬却是英国的网络公司King。瞬间觉得这个游戏霸气侧漏。Candy Crush的用户体验很好，游戏难易程度随机改变，可以用金币解决很多问题，也可以请求好友帮忙过关，游戏样式也变化多端，每一关的任务不同可以给玩家带来不同的体验和思考。在这个风靡全球的游戏产品中，Hung Chun讲到了marketing 领域里的 Customer LTV & Churn Prediction，Hung Chun说到data scientist更关心离开的用户为何离开，用什么方式放弃使用产品，怎样才能重获离开用户的芳心等问题。

接下来的两段话我读后受益匪浅，十分适合刚入行和还未入行想入行的小白，同样来自Hu Pili 的倾情奉献:

“无独有偶，几次分享会上我也被问及类似的问题。以目前在媒体工作的情况来看，90%的时候，只需要掌握好Spreadsheet软件就可以了。而近半年来，我们团队用到的最复杂的方法不过是PCA（主成分分析，一种常用的高维数据处理算法，即「降维」）。聚会上，一位从9Gag来的data scientist也谈到，他目前的工作主要集中在data pipeling，统计分析涉及并不多。‘ 如果客户需要的话，甚至前端开发，也会成为data scientist工作的重要部分，’ —— Symbols & Keys的创办者，Mart这样说。简而言之，就是不要搞技术崇拜和技术偏执，集中精力面对业务本身。行业、公司、团队构成，都会影响到data scientist的具体工作内容，快速确定需求并找到合适的领域专家、（数据处理/可视化）工具、资源是核心能力。

末了需要提醒的是，深度的技术积累和/或行业经验积累是很重要的。提这点是因为问到「工具」问题的大多是学生或者有志于这行的朋友。但把精力放在少数几种工具或语言上，有点急功近利的意思。要注意，把以上这些「简单」的「工具」学会，并不足以帮你敲开data science的职业之门。99%的时间都用简单的工具（奥卡姆剃刀原则；没事不找事），并不代表你可以忽视1%的需求（有事不怕事）。”